Avaliação Psicológica, 2003, (2)2, pp.

99-110 99

Fundamentos da Teoria da Resposta ao Item –TRI

Basic Theory of Item Response Theory – IRT

Luiz Pasquali
Universidade de Brasília
Ricardo Primi
Universidade de São Francisco

Resumo
O artigo apresenta o histórico e a lógica básica da nova teoria em psicometria, a teoria de resposta ao item,
abreviadamente a TRI. A teoria tem suas origens nos anos 1930, mas foi axiomatizada nos anos 1960, tomando
conta de grande parte da psicometria nos anos 1980. A TRI constitui uma teoria dentro das teorias da modelagem
latente que surgiram nos anos 1930. Estas teorias postulam que o comportamento humano é conseqüência de
processos hipotéticos chamados de traços latentes. A TRI assume este modelo e expressa a relação entre os
comportamentos (chamadas variáveis observáveis) e os traços latentes (as variáveis hipotéticas) através uma
equação matemática chamada de equação logística. Esta produz uma curva ou ogiva conhecida como a curva
característica do item, a CCI. A CCI define os parâmetros dos comportamentos, ditos itens (dificuldade, discrimi-
nação) em função do tamanho do traço latente, expresso como teta (q). Discutem-se também as vantagens que a TRI
apresenta frente à teoria tradicional em psicometria, a Teoria Clássica dos Testes (TCT).
Palavras chave: Teoria de resposta ao item, TRI, psicometria.

Abstract
The paper offers a historical view and the basic rationale of the modern theory in psychometrics: item response
theory (IRT). This theory has its roots in the 1930, but it was fully developed only in the 1950’s, and became the
standard theory in psychometrics in the 1980’s. The IRT is one of the latent trait modeling theories that appeared
in the 1930’s. Latent trait modeling theories assume that the human behavior, called observable variables, is
dependent and caused by latent traits, the hypothetical variables. The IRT assume this modeling and expresses the
relationship between these two types of variables through a mathematical equation called the logistic equation.
This equation produces a curve called the item characteristic curve (ICC). This curve defines the items parameters
(difficulty, discrimination) in terms of the level of the latent trait, symbolized as theta (q). The paper also
discusses the advantages that IRT offers over the traditional theory in psychometrics, that is, the classical
theory of tests (CTT).
Key words: Item response theory, IRT, psychometrics.

Fundamentos da ves problemas da medida em Psicologia. Um dos

Teoria da Resposta ao Item –TRI
No contexto teórico da Psicometria, era inevi-
tável que alguma teoria alternativa à teoria clássica
dos testes (TCT) surgisse para resolver alguns gra-
Correspondência deve ser encaminhada aos autores através dos
e-mails: labpam@unb.br ou rprimi@mpc.com.br
problemas a que nos referimos já vinha sendo frus-
trantemente assinalado por Thurstone antes mesmo
dos anos 30. Dizia Thurstone (1928/1959, p. 547):
“Um instrumento de medida, na sua função de
medir, não pode ser seriamente afetado pelo ob-
jeto de medida. Na extensão em que sua fun-
ção de medir for assim afetada, a validade do
instrumento é prejudicada ou limitada. Se um
metro mede diferentemente pelo fato de estar
100 Luiz Pasquali & Ricardo Primi
medindo um tapete, uma pintura ou um pedaço
de papel, então nesta mesma extensão a confi-
ança neste metro como instrumento de medida
é prejudicada. Dentro dos limites de objetos para
os quais o instrumento de medida foi produzido,
sua função deve ser independente da medida
do objeto”.
A Psicometria, hoje em dia chamada de clássi-
ca (Teoria Clássica dos Testes – TCT), estava bas-
tante bem axiomatizada já nos anos 50, sobretudo
com os trabalhos de Guilford (1936/1954) e Gulliksen
(1950). Ela, contudo, continha o grave problema que
Thurstone menciona acima, isto é, o instrumento
construído dependia intrinsecamente do objeto me-
dido. De fato, os testes psicológicos elaborados den-
tro da Psicometria Clássica são dependentes dos itens
que os compõem (test-dependent). Assim, por exem-
plo, ao se querer medir a inteligência de um sujeito, o
resultado vai depender muito do instrumento utiliza-
do, obviamente um instrumento que mede inteligên-
cia. Se utilizar, digamos, as Matrizes Progressivas
de Raven (SPM), obtenho um resultado; se utilizar o
Wechsler Adult Intelligence Scales (WAIS), obte-
nho outro. Qual dos dois resultados é o correto? A
resposta fica ligada ao instrumento utilizado, de tal
forma que o objeto medido, a inteligência no caso,
afeta diretamente o instrumento utilizado; aliás, ela é
definida pelo instrumento utilizado. Você talvez se
lembra como Binet (Binet & Simon,1908) definiu a
inteligência: Inteligência é o que o meu teste mede!
Seria como dizer em Física que o comprimento do
objeto é o que o metro mede ou a massa o que a
balança mede.
Embora Thurstone tenha percebido aguça-
damente este problema da medida em Psicologia, ele
não conseguiu encontrar uma solução para o mes-
mo. Foi somente após os anos 50 que os psicometristas
começaram a descobrir a solução para o problema,
baseados na teoria do traço latente de Lazersfeld
(1959) e nos trabalhos de Lord (1952) e do dinamar-
quês Rasch (1960), os quais se tornaram as bases
da moderna Teoria da Resposta ao Item - TRI (Item
Response Theory - IRT), inclusive conhecida como
a Teoria do Traço Latente, esboçada por Lord em
1952 e finalmente axiomatizada por Birnbaum em
1968 e por Lord em 1980.
O que pode parecer estranho nesta história é o
fato de que o problema levantado por Thurstone te-
nha sido detectado já nos anos 30 e que a resposta já
tinha sido dada nos anos 60. Por que então a nova
teoria somente veio a ser utilizada nos anos 80? A
Avaliação Psicológica, 2(2), 2003, pp. 99-110
resposta está no fato de que a solução dada ao pro-
blema da independência do instrumento de medida
em relação ao objeto de medida que a Teoria da
Resposta ao Item propôs apresentava algoritmos
matemáticos de tal complexidade que a tecnologia
computacional da época era incapaz de resolver de
uma maneira útil e prática. Com o avanço da
tecnologia da informática (microcomputadores) e da
disponibilidade de softwares apropriados, este pro-
blema foi solucionado e a TRI entrou em moda. Ali-
ás, o primeiro software para as análises da TRI sur-
giu somente em 1979 com o BICAL de Wright, Mead
e Bell, seguidos depois pelo LOGIST (Wingersky,
Barton, & Lord, 1982) e pelo BILOG (Mislevy &
Bock, 1984).
Problemas da Psicometria Clássica
Além do grave problema mencionado na intro-
dução deste capítulo, outros problemas são salienta-
dos contra a Psicometria Clássica. Um deles afirma
que os parâmetros dos itens de um teste dependem
da amostra de sujeitos em que eles foram calcula-
dos. Assim, um item qualquer se torna mais difícil ou
mais fácil dependendo da amostra ser composta de
sujeitos mais inteligentes ou menos inteligentes. Desta
forma, o parâmetro de dificuldade do item vai vari-
ar de pesquisa para pesquisa em função da amostra
de sujeitos; isto é, este parâmetro é dependente dos
sujeitos utilizados na pesquisa (subject-dependent).
Esta crítica é válida, mas ela se refere mais a um
problema de amostragem e não tanto da análise que
se faz da dificuldade do item em termos de número
de acertos. Se a mostra for aleatória e representati-
va, este problema não existe na Psicometria Clássi-
ca. No entanto, uma grande vantagem da TRI é que
mesmo em amostras não representativas os
parâmetros poderão ser estimados corretamente
(Embretson & Reise, 2000).
Um problema mais grave ocorre com o cálculo
do parâmetro de discriminação do item. Esta aná-
lise, dentro da Psicometria Clássica, é feita baseada
no escore total de um teste, seja utilizando grupos-
critério ou coeficientes de correlação (Pasquali,
1996). Tal procedimento incorre numa incongruên-
cia lógica, pois a discriminação de cada item é testa-
da contra o escore total que é constituído por todos
os itens do teste, inclusive o item que se está anali-
sando. Isto supõe que os outros itens, pelo menos,
sejam adequados. Mas se o são, então por que se
fazer a análise? E se não o são, então a análise está
simplesmente falha, errada.

Outro problema grave na Psicometria Clássica
se situa no cálculo da fidedignidade de um teste.
Esta é definida comumente em termos de formas
paralelas de um teste. Estas formas precisam ser
estritamente paralelas, isto é, elas precisam produzir
um escore verdadeiro idêntico e variâncias também
iguais. Obviamente, a obtenção de formas assim
paralelas de um mesmo teste é algo difícil de ser
conseguido. Ademais, os sujeitos, ao tomar uma for-
ma paralela, nunca serão exatamente os mesmos,
pois há os problemas de maturação que Campbell e
Stanley (1973) discutem no contexto do delineamen-
to de pesquisa, tais como a aprendizagem, o cansa-
ço, a motivação, etc. que muda da aplicação de uma
forma para outra, inclusive diferencialmente para
diferentes sujeitos, tornando a comparação entre as
duas formas não mais paralela.
Um outro problema presente na teoria tradicio-
nal em Psicometria consiste na suposição que nela
se faz de que a variância dos erros de medida é a
mesma para todos os testandos, suposição de difícil
sustentação, pois parece óbvio que alguns testandos
realizam a tarefa mais consistentemente que outros
e que a consistência varia em função da habilidade
dos sujeitos (Hambleton & Swaminathan, 1985). Por
exemplo um teste com itens medianamente fáceis
poderá diferenciar mais os sujeitos com habilidade
média mas não irá diferenciar da mesma maneira os
sujeitos com habilidade superior que provavelmente
obterão escores perto dos mais altos. Conseqüente-
mente, o erro de medida neste segundo grupo será
maior que no primeiro (Embretson & Reise, 2000;
Hambleton & Swaminathan, 1985).
Há, além disso, a condição típica dos testes de
aptidão construídos dentro dos moldes da teoria clás-
sica da Psicometria. Os testes são elaborados para
avaliar maximamente os sujeitos de habilidades me-
dianas, sendo, por isso, bem menos apropriados e
válidos para avaliar sujeitos com habilidades superi-
ores ou de pouca habilidade. De fato, a validade de
um teste se maximiza na medida em que o nível de
dificuldade do mesmo se aproxima do nível de habi-
lidade do sujeito (Lord, 1980; Weiss, 1983). De sorte
que aplicando testes de dificuldade média diferente
a sujeitos de diferentes níveis de aptidão irá produzir
resultados nem sempre comparáveis, pois é óbvio
que obter 50 num teste fácil não é a mesma que
coisa obter 50 num teste mais difícil que meça a
mesma aptidão. A tarefa de comparar os sujeitos
em tais situações é de difícil manejo dentro dos mo-
delos tradicionais de análise.
A Teoria da Resposta ao Item 101
A Teoria da Resposta ao Item
Um pouco de história
Como já assinalamos, a TRI foi sendo elaborada
aos poucos desde os anos 50 por vários autores, em-
bora suas raízes remontem há mais de uma década
anterior. Entre estes precursores se encontram os tra-
balhos de Richardson (1936), comparando os
parâmetros dos itens obtidos pela teoria clássica da
Psicometria com os moldes que hoje usa a TRI; os
trabalhos de Lawley (1943, 1944), indicando alguns
métodos para estimar os parâmetros dos itens, os quais
se afastavam da teoria clássica e os trabalhos de
Tucker (1946), que parece ter sido o primeiro a utili-
zar a expressão curva característica do item - Item
Characteristic Curve, ICC - que constitui um con-
ceito chave na TRI. Também deve ser mencionada a
contribuição de Lazersfeld (1950), que introduziu o
conceito de traço latente, ainda que no contexto da
medida das atitudes, conceito novamente que se
constituiu num parâmetro chave da nova TRI.
Entretanto, o responsável mais direto que deu
origem à TRI moderna, é Frederic Lord (1952, 1953)
por ter elaborado, não somente um modelo teórico,
mas ainda métodos para estimar os parâmetros dos
itens dentro da nova teoria, utilizando o modelo da
ogiva normal. Os modelos elaborados por Lord se
aplicam a testes onde as respostas são dicotômicas,
isto é, certo e errado, ou seja, testes de aptidão. Mais
tarde, Samejima (1969, 1972) elaborou modelos para
tratar respostas politômicas e mesmo para dados
contínuos, como é caso em testes de personalidade.
Outro passo importante na história da TRI foi dado
por Birnbaum (1957) ao substituir as curvas de ogiva
por curvas logísticas, isto é, baseadas nos logaritmos,
tornando o tratamento matemático dos dados bem
mais fácil.
Um dos fatores que concretamente mais con-
tribuíram para o uso generalizado da TRI hoje em
dia foi o avanço da informática. Como a complexi-
dade matemática no campo da TRI é enorme, o pro-
gresso vertiginoso nas máquinas de processamento
(microcomputadores) possibilitou a viabilização dos
cálculos que o modelo TRI exige em Psicometria.
Com este progresso das máquinas, foi possível tam-
bém, nos anos 80, o desenvolvimento de softwares
apropriados para os tais cálculos.
A Teoria Básica da Resposta ao Item
A Teoria da Resposta ao Item é uma teoria do
traço latente aplicada primariamente a testes de ha-
Avaliação Psicológica, 2(2), 2003, pp. 99-110
102 Luiz Pasquali & Ricardo Primi
bilidade ou de desempenho. O termo teoria do tra-
ço latente se refere a uma família de modelos mate-
máticos que relaciona variáveis observáveis (itens
de um teste, por exemplo) e traços hipotéticos não-
observáveis ou aptidões, estes responsáveis pelo
aparecimento das variáveis observáveis ou, melhor,
das respostas ou comportamentos emitidos pelo su-
jeito que são as variáveis observáveis. Assim, temos
um estímulo (item) que é apresentado ao sujeito e
este responde a ele. A resposta que o sujeito dá ao
item depende do nível que o sujeito possui no traço
latente ou aptidão. Desta forma, o traço latente é a
causa e a resposta do sujeito é o efeito. Agora, para
se poder estimar, a partir da resposta dada pelo su-
jeito, o seu nível no traço latente, é preciso que se
hipotetizem relações entre as respostas observadas
do sujeito e o seu nível neste mesmo traço latente.
Quando estas relações são expressas numa equa-
ção matemática, constando de variáveis e de cons-
tantes, temos um modelo ou teoria do traço latente.
Como tanto as variáveis e constantes que entram
numa tal equação, quanto as formas matemáticas
que as curvas, que expressam a relação hipotetizada,
podem ser as mais variadas, segue que, em princí-
pio, existe um número sem fim de tais equações pos-
síveis. A TRI se decidiu por algumas destas equa-
ções que achou mais adequadas ou produtivas, como
veremos mais adiante.
De qualquer forma, o fundamental da teoria do
traço latente consiste em expressar numa fórmula
matemática a relação existente entre variáveis ob-
servadas e variáveis hipotéticas, chamadas estas de
traços latentes. Assim, se conhecemos as caracte-
rísticas das variáveis observadas (como os itens de
um teste), estas se tornam constantes na equação e
esta se torna solucionável, permitindo que se estime
então o nível do traço latente ou a aptidão do sujeito
e vice-versa, isto é, se for conhecido o nível do traço
latente é possível serem estimadas as característi-
cas dos itens respondidos por este sujeito.
Assim, a TRI faz dois postulados básicos, a
saber:
1) o desempenho do sujeito numa tarefa (item
de um teste) pode ser predito a partir de um
conjunto de fatores ou variáveis hipotéticas,
ditos aptidões ou traços latentes (identifica-
dos na TRI com a letra grega teta: q); o teta
sendo a causa e o desempenho o efeito. Tra-
ta-se de modelagem latente (latent trait
modeling). Ou seja, comportamento = fun-
ção (traço latente)
2) a relação entre o desempenho e os traços
Avaliação Psicológica, 2(2), 2003, pp. 99-110
latentes pode ser descrita por uma equação
matemática monotônica crescente, chama-
da de Curva Característica do Item – CCI
(veja Figura 1).
Figura 1 – ICC para item 1
A Figura 1 mostra que, à medida que aumenta
o teta, aumenta também a probabilidade de acertar o
item (relação monotônica crescente entre aptidão e
probabilidade de acerto)1.
Vantagens da TRI
As restrições que a TRI faz sobre os dados,
como veremos, são muito fortes. Segundo o princí-
pio geral da parcimônia em ciência, isto é, de que se
deve privilegiar a explicação e o modelo mais sim-
ples, a TRI seria um modelo bem mais complexo do
que o modelo da Psicometria Clássica e, conse-
quentemente, deveria ser preterido em favor desta.
Isto seria válido se o modelo mais complexo não ex-
plicasse mais coisas do que o mais simples. Então,
pergunta-se: a TRI oferece vantagens importantes
em relação ao modelo tradicional da Psicometria ou
não? Quais são estas vantagens que torna a TRI
preferível?
Primeiramente, é preciso alertar que a TRI não
veio para substituir toda a Psicometria Clássica, mas
apenas partes dela, particularmente na análise dos
itens e no tema da fidedignidade da medida; mas
sua contribuição na temática da validade dos ins-
trumentos psicológicos, ainda que importante, não
parece revolucionária e esta temática é a mais re-
levante em Psicometria. Evidentemente, é de se
esperar que logo se consiga desenvolver a
Psicometria pura e simplesmente em Psicologia, sem
distinção entre Clássica e Moderna, mas utilizando
os avanços definitivos de ambas. Dito isto, então
1
Os modelos atuais da TRI completos incluem outros parâmetros
na equação, como veremos ao falarmos dos mesmos; contudo, a
lógica fundamental da teoria do traço latente consiste em expressar
o comportamento em termos de traços latentes.

quais são os avanços que a TRI trouxe no campo
da Psicometria? Hambleton, Swaminathan e Rogers
(1991) apresentam cinco grandes avanços que a
TRI trouxe, sendo os três primeiros particularmen-
te importantes. Vejamos:
a) o cálculo do nível de aptidão do sujeito
independe da amostra de itens utilizados: diz-
se que a habilidade do sujeito é independen-
te do teste (not test-dependent). Na
Psicometria Clássica, o escore do sujeito
dependia e variava segundo o teste aplicado
fosse mais fácil ou mais difícil, ou produzis-
se maiores ou menores erros. Assim, tais
escores não eram comparáveis e, mesmo
aplicando ajustes, os escores ainda continu-
avam não comparáveis sobretudo porque os
testes produziam diferenças nas variâncias
de erros de medida. No caso da TRI, não
importa que itens ou conjunto de itens que
você utilize, obviamente que estejam medindo
o mesmo traço latente, irão produzir o mes-
mo nível de aptidão do sujeito, dentro, é ób-
vio, dos sempre presentes erros de medida
em qualquer ramo da ciência;
b) o cálculo dos parâmetros dos itens (difi-
culdade e discriminação) independe da
amostra de sujeitos utilizada: diz-se que os
parâmetros são independentes dos sujei-
tos (not group-dependent). Na clássica,
os parâmetros dependiam muito dos sujei-
tos amostrados possuírem maior ou me-
nor aptidão;
c) a TRI permite emparelhar itens com a ap-
tidão do sujeito. Isto quer dizer que se ava-
lia a aptidão de um sujeito, utilizando itens
com dificuldade tal que se situam em torna
to tamanho da aptidão do sujeito, sendo, as-
sim, possível utilizar itens mais fáceis para
sujeitos com habilidades inferiores e itens
mais difíceis para sujeitos mais aptos, pro-
duzindo escores comparáveis em ambos os
casos. Na psicometria clássica sempre era
aplicado o mesmo teste, hermeticamente
fechado, para todos os sujeitos, de sorte que,
se o teste fosse fácil, avaliaria bem sujeitos
de aptidão menor e mal sujeitos de aptidão
superior e, se o teste fosse difícil, faria o
contrário. Esta história ficará mais clara ao
falarmos de testes adaptativos e montagem
de testes otimizados;
d) a TRI constitui um modelo que não precisa
fazer suposições que aparentam serem im-
A Teoria da Resposta ao Item 103
prováveis, tais como os erros de medida se-
rem iguais para todos os testandos;
e) a TRI não necessita trabalhar com testes
estritamente paralelos como exige a
psicometria clássica.
Pode parecer que as duas primeiras vantagens
são fictícias pois se utilizássemos amostras repre-
sentativas, tanto na construção quanto na padroniza-
ção dos testes, teríamos medidas independentes do
teste utilizado e parâmetros dos itens independentes
da amostra de sujeitos. Considere, por exemplo, dois
testes, um mais fácil e um mais difícil, padronizados
com amostras representativas de sujeitos. Neste caso
poder-se-ia supor que, resultados semelhantes na
escala padronizada, obtidos por meio do teste fácil
ou pelo teste difícil, significariam a mesma coisa. Mas
isso não é verdade pois as distâncias entre os sujei-
tos com habilidade superior à média, obtidas caso
aplicássemos o teste difícil, seriam maiores do que
se aplicássemos o teste mais fácil uma vez que estes
sujeitos, com alta habilidade, teriam notas muito pró-
ximas das mais altas e, portanto, mais próximas no
segundo teste. Portanto a medida é afetada pelo ins-
trumento utilizado. Na TRI isto não ocorre porque
ela trabalha com o escore teta. Como mostra a Figu-
ra 1 o escore teta tem uma relação não linear com a
probabilidade de acerto associada ao escore total e,
por isso, corrige as distorções do escore total. Nos
extremos, uma diferença de pequena magnitude na
probabilidade de acerto corresponde a uma diferen-
ça de magnitude muito dos escores teta, ainda que,
com precisão muito mais reduzida.
Suposições da TRI
Entre as características ou pré-requisitos da TRI,
duas são de especial relevância: a unidimensionalidade
e a independência local, que representam suposições
básicas dos modelos mais correntes desta teoria
psicométrica. A história das suposições é frustrante
para muita gente, porque elas não podem ser
empiricamente demonstradas e nem possuem bases
lógicas; elas são simplesmente aceitas ou não aceitas,
isto é, elas são gratuitas, elas são hipóteses. Mas, ob-
serve o seguinte: (1) qualquer modelo matemático,
para poder funcionar e ser útil, precisa fazer algumas
suposições entre o modelo e os dados empíricos, in-
clusive especificando as relações que existem entre
as variáveis hipotéticas do modelo e as variáveis
observáveis ou empíricas; (2) embora as suposições
não possam ser provadas diretamente, elas podem sê-
lo indiretamente (em suas conseqüências), isto é, ve-
rificando se a sua violação produz resultados incon-
Avaliação Psicológica, 2(2), 2003, pp. 99-110
104 Luiz Pasquali & Ricardo Primi
gruentes no estudo da realidade empírica; quer dizer
que os resultados práticos irão determinar se as supo-
sições foram ou não úteis ou adequadas.
A Unidimensionalidade
As teorias do traço latente (que vêm dos anos
30) afirmam que existe um conjunto de traços laten-
tes que estão por detrás de um desempenho
comportamental qualquer. Assim, um sujeito qual-
quer se situa num espaço de n dimensões (agora
chamadas de teta – q) e seu desempenho depende
do tamanho que ele possui em cada um desses tetas,
de sorte que o seu comportamento pode ser expres-
so como um vetor de escores ou pesos nos vários
tetas, isto é,
Desempenho = f(q1, q2, q3, ..., qn).
Entretanto, em sua maioria, os modelos da TRI
postulam que há apenas uma aptidão (teta) respon-
sável pela realização de um conjunto de tarefas (itens
de um teste). Parece pacífico que qualquer desem-
penho humano é sempre multideterminado ou
multimotivado, dado que mais de um traço latente
entra na execução de qualquer tarefa, como o mo-
delo geral do traço latente afirma. Contudo, para
satisfazer o postulado da unidimensionalidade é sufi-
ciente admitir que haja uma aptidão dominante (um
fator ou traço dominante) responsável pelo desem-
penho num conjunto de itens de um teste. Este fator
é o que se supõe estar sendo medido pelo teste. O
postulado da unidimensionalidade continua importante
dado que a TRI ainda não possui soluções adequa-
das para modelos multidimensionais, embora estes
estejam sendo pesquisados já de longa data (Mulaik,
1972; Samejima, 1974; Bock & Aitkin, 1981;
Reckase, 1985). Isso também não quer dizer que os
autores se entendem completamente sobre o que seja
unidimensionalidade e como ela deve ser estimada.
A Independência Local
Este postulado afirma que, mantidas constan-
tes as aptidões que afetam o teste, menos o teta do-
minante, as respostas dos sujeitos a quaisquer dois
itens são estatisticamente independentes. Isto impli-
ca em que o desempenho do sujeito num item não
afeta o desempenho em outro item: cada item é res-
pondido exclusivamente em função do tamanho do
seu teta dominante2. Esta suposição é importante e
útil, porque, sendo ela verdadeira, então a seqüência
de respostas do sujeito a uma série de itens será o
produto das probabilidades de cada item individual.
As probabilidades de cada item dependem das ca-
Avaliação Psicológica, 2(2), 2003, pp. 99-110
racterísticas do mesmo (dificuldade, discriminação)
e do tamanho do teta do sujeito respondente, como
veremos mais adiante. Acompanhe o seguinte raci-
ocínio, para entender o que seja independência local:
Seja
– q a aptidão dominante que afeta um conjunto
de itens,
– Ui a resposta de um sujeito ao item i (i = 1, 2,
....., n); o Ui = 1 se o sujeito acerta o item e Ui
= 0 se ele erra;
– P(Ui½q) a probabilidade de resposta do su-
jeito j com aptidão q ao item i. P(Ui=1½q) sig-
nifica a probabilidade de uma resposta correta
dada ao item i, levando em conta o teta do su-
jeito e P(Ui=0½q) a probabilidade de uma res-
posta errada. Estas duas instâncias são
abreviadamente expressas como Pi e Qi (sen-
do Qi = 1 – Pi).
Com tais informações, a independência local
pode ser matematicamente afirmada como
Prob(U1, U2, ... , Un½q) = P(U 1½q)
P(U2½q)n ..... P(Un½q)
= ∏ P( U i θ)
i =1
onde a última expressão significa o produtório
das probabilidades dos n itens do teste.
A independência local significa que, para exa-
minandos com uma aptidão dada, a probabilidade de
resposta a um conjunto de itens é igual aos produtos
das probabilidades das respostas do examinando a
cada item individual. Assim, se um sujeito acertou
os itens 1 e 2 e errou o 3, a configuração ou padrão
de suas respostas, isto é, o padrão de resposta é U1
=1, U2 =1, U3 =0, ou seja, 1 1 0 e a independência
local implica que
P(U1=1, U2=1, U3=0½q) = P(U 1 =1½q)
P(U2=1½q) P(U3=0½q)
= P 1P 2 Q 3.
Embora pareça improvável que os comportamen-
tos (respostas) de um mesmo sujeito não estejam
2
Os matemáticos complicam esta história dizendo que P(Xi = 1|Xj
= 1, x k, q s = P(X i = 1| x k, q s), isto é, a probabilidade de que o item
i seja acertado (X
i = 1), dependendo ou condicionado ao fato de que o item
j seja acertado (X j = 1) e dos parâmetros dos itens (dificuldade,
discriminação, etc.: x k ) e do teta do sujeito respondente (
q s) é a mesma que resolvendo o item i sozinho. Em outras palavras,
o que acontece com o item j é irrelevante com respeito à história
do item i.
 A Teoria da Resposta ao Item 105

correlacionados, a independência local afirma que, se Supõe-se que os processos psíquicos se distri-
houver correlação, esta se deve à influência de fatores buem normalmente entre a população. Isto quer di-
outros que não o fator dominante. Se estes outros fato-
res forem controlados (mantidos constantes), o fator
dominante será a única fonte de variação e as respos-
tas se tornam independentes, porque o sujeito responde
exclusivamente em função do tamanho do seu teta.
Assim, a independência local implica também a
unidimensionalidade, já que a única causa da resposta
do sujeito é este suposto teta dominante (Lord, 1980;
Lord & Novick, 1968).
Também é preciso anotar que a independência
local afirma a independência das respostas do sujei-
to, o que não significa que os itens do teste não pos- zer que um processo psíquico se distribui dentro da
sam estar correlacionados. Como assim? A correla- população como uma curva normal, implicando que
ção entre os itens, se existe, é definida sobre um alguns sujeitos da população possuem um nível bai-
grupo de sujeitos, que responderam do mesmo jeito, xo de tal processo, outros um nível alto, e a maioria
enquanto a independência local diz que cada sujeito um nível médio, como mostra a Figura 2.
individualmente deu respostas independentes para Figura 2 – Distribuição normal dos processos psíquicos
cada item do teste. Aliás, se os itens estão medindo
o mesmo traço latente, é de se esperar que estejam
correlacionados. Para expressar a distribuição da totalidade dos
Quando um sujeito responde a uma série de elementos de uma população utiliza-se a métrica do
itens, ele produz o que se chama de um padrão de escore padrão, que é ancorada na média (valor 0) e
respostas, composto de acertos (valor 1) e erros (va- que vai de -¥ a +¥, mas que na prática vai de -3 a +3,

Tabela 1 – Padrões de resposta em 4 itens para 10 sujeitos

Padrão de resposta para item
Sujeitos 1 2 3 4 Probabilidade do padrão
1 0 0 0 0 Q1 Q2 Q3 Q4 = 0,8 x 0,6 x 0,5 x 0,2 = 0,048
2 0 0 0 1 Q1 Q2 Q3 P4 = 0,8 x 0,6 x 0,5 x 0,8 = 0,192
3 0 0 1 0 Q1 Q2 P3 Q4 = 0,8 x 0,6 x 0,5 x 0,2 = 0,048
4 0 0 1 1 Q1 Q2 P3 P4 = 0,8 x 0,6 x 0,5 x 0,8 = 0,192
5 0 1 0 0 Q1 P2 Q3 Q4 = 0,8 x 0,4 x 0,5 x 0,2 = 0,032
6 0 1 0 1 Q1 P2 Q3 P4 = 0,8 x 0,4 x 0,5 x 0,8 = 0,128
7 0 1 1 1 Q1 P2 P3 P4 = 0,8 x 0,4 x 0,5 x 0,8 = 0,128
8 1 0 0 0 P1 Q2 Q3 Q4 = 0,2 x 0,6 x 0,5 x 0,2 = 0,012
9 1 0 1 1 P1 Q2 P3 P4 = 0,2 x 0,6 x 0,5 x 0,8 = 0,048
10 1 1 1 1 P1 P2 P3 P4 = 0,2 x 0,4 x 0,5 x 0,8 = 0,032

lor 0). Veja os exemplos de padrões de resposta e
sua probabilidade de ocorrência na Tabela 1 para 10
sujeitos em 4 itens, cuja probabilidade individual de
acerto [Pi(qj)] destes últimos é de, respectivamente,
0.2, 0.4, 0.5, 0.8.
A Curva Característica do Item – CCI
Na visão da teoria do traço latente, os itens de um
teste constituem a expressão comportamental ou com-
portamentos, que o sujeito expressa como resposta a
um ou mais traços latentes. Assim, qualquer comporta-
mento seria a expressão física ou comportamental de
um processo psíquico, sendo este a causa daquele.
porque entre estes dois pontos cai 99,97% de todos
os sujeitos de uma população. A TRI faz uso desta
métrica. O processo psíquico é chamado de teta (q).
Supõe-se, assim, que cada sujeito da população pos-
sui um tamanho ou nível de teta que o posiciona nes-
ta escala de -3 a +3. Como é que se vai descobrir o
tamanho do teta de cada sujeito? Resposta: Através
do seu comportamento. Como assim? A forma usu-
al para medir um processo latente (teta) consiste em
desenvolver um teste com uma série de questões ou
itens, os quais expressam algum aspecto do traço
latente. Em se tratando de um teste de aptidão, en-
tão o tamanho de teta do sujeito é expresso pelo nú-
Avaliação Psicológica, 2(2), 2003, pp. 99-110
106 Luiz Pasquali & Ricardo Primi
mero de itens que ele acertou. Isto na Teoria Clássi-
ca dos Testes (TCT). No caso da Teoria de Respos-
ta ao Item (TRI), entretanto, não se pergunta quantos
itens o sujeito acertou e, sim, por que ele acertou ou
errou cada item individual. Desta forma, a TRI está
interessada em descobrir qual é o tamanho de teta
que o sujeito deve ter para poder acertar o item, cada
item individualmente. Você já pode adivinhar, então,
que em teoria basta até um único item para se poder
descobrir o tamanho do teta do sujeito. O problema
que fica para resolver consiste em se saber como o
item sinaliza o tamanho do teta do sujeito. A respos-
ta ficará clara no decorrer desta exposição, mas a
resposta sucinta é a seguinte: através da CCI. Então
vamos ver o que é Teesta CCI.
Parece razoável se supor que um sujeito que
tem maior aptidão, isto é, que possui um nível mais
elevado do processo latente que um dado item mede,
terá uma probabilidade maior de acertar este item
do que um sujeito com nível inferior de aptidão. Se o
processo latente é expresso como q, então esta pro-
babilidade de acerto é definida como pi(q), que se lê
como: a probabilidade (p) de acertar o item (i) dado
um tamanho tal de teta (q). Assim, o sujeito com
menor habilidade terá uma pi(q) pequena, enquanto
um de aptidão superior terá tal probabilidade bem
maior. Desta forma, a pi(q) de acertar um dado item
vai de 0 a 1, onde ela será 0 para o sujeito que não
tiver nenhuma aptidão que o item mede e 1 para o
sujeito que tem uma aptidão teta ótima. Esta situa-
ção faz com que, à medida que cresce o tamanho do
teta, vai crescendo também a pi(q), provocando vi-
sualmente uma curva de tipo S na escala de aptidão,
como mostra a Figura 3.
Figura 3 – A CCI de um item em função do Ø
Avaliação Psicológica, 2(2), 2003, pp. 99-110
Esta curva expressa tudo que a TRI pode des-
cobrir sobre o item. Ela é chamada de curva logística
e é caracterizada por duas características, a saber, a
dificuldade e a discriminação. Vamos examinar um
pouco a história da curva logística e as duas carac-
terísticas.
A função logística
A função logística se expressa numa ogiva, que
já era utilizada desde o século 19 em biologia para
expressar o crescimento dos seres vivos e ela en-
trou em voga na Psicometria com Birnbaum nos anos
1950. Os pioneiros da TRI não trabalhavam com a
função da ogiva logística e sim com a da ogiva nor-
mal (veja Lord, 1952; Lord & Novick, 1968). A ex-
pressão da função em termos logísticos evita traba-
lhar com integrais, o que permite tratamento mate-
mático mais simples, segundo os estatísticos. Essa
história do modelo da ogiva normal e do modelo
logístico é um pouco complicada para estudiosos que
não são estatísticos. Vamos ver brevemente esta his-
tória: o modelo da ogiva normal se baseia na chama-
da função phi-gamma que trabalha com os mínimos
quadrados. Phi-gamma vem das letras gregas que
compõem a fórmula: p = f(g), onde o gama (g) é o
desvio em relação à média, mais ou menos como é o
caso dos desvios-padrão z. A Equação que trabalha
a ogiva z2
z 1normal
− é complexa e é a seguinte:
p = ∫−∞ e 2 dz . Os estatísticos preferem traba-
2π
lhar com outra função, que produz uma curva bem
parecida com a ogiva normal e que tipicamente se
ajusta melhor aos dados. Esta função é a função
logística, a qual trabalha com o método da máxima
verossimilhança em lugar dos mínimos quadrados e
é matematicamente mais fácil de processar. A fun-
1
ção logística é a seguinte: Q = (veja Guilford,
1 + eα −βx
1954). O expoente do denominador é chamado de
logit, ou seja, o desvio logístico. Aplicado ao caso da
TRI, esta função é a seguinte:
1
p ( θ) = −a (θ− b )
1+ e
onde, e = constante que equivale a 2,7182818...
(geralmente expresso como 2,72)
b = dificuldade do item
a = discriminação do item
θ = aptidão ou traço latente
a(θ - b) = logit.

A conceituação e a métrica do q foi explicada
acima (veja figura 2). A conceituação e a métrica
dos parâmetros de dificuldade e de discriminação
serão explicados a seguir. Quando se fala de métri-
ca, quer-se referir ao tipo de escala utilizada para
medir um dado fenômeno. Assim, quando se diz que
alguém obteve 9 numa prova de desempenho, sendo
um desempenho excelente, está-se supondo que a
métrica utilizada é uma escala que vai de 0 a 10. Se
a escala utilizada fosse de 0 a 100, então a nota 9
representaria péssimo desempenho. Desta forma,
você vê que é de fundamental importância, quando
se dão valores numéricos aos fenômenos, se saber
qual é a métrica (o metro) utilizada e, assim, se po-
der entender o significado do valor atribuído.
As características do item
O parâmetro de dificuldade, chamado de bi, é o
ponto na escala de aptidão no qual a probabilidade
de uma resposta correta é de 50% (ou seja, 0,5). A
métrica teórica deste parâmetro vai de -¥ a +¥, mas
na prática vai de -3 a +3.
O parâmetro da discriminação, chamado de
ai, é expresso pela inclinação da CCI no momento
da inflexão, isto é, quando a curva CCI corta a
linha que corresponde à probabilidade de 0,5 de
resposta correta., o que acontece sempre quando
q = b. A métrica teórica deste parâmetro também
vai de -¥ a +¥, mas valores negativos ficam estra-
nhos porque eles diriam que sujeitos de maior ap-
Figura 4 – Parâmetros de dificuldades (b) e discriminação (a) de dois itens
A Teoria da Resposta ao Item 107
tidão tendem a errar o item enquanto sujeitos de
menor habilidade tendem a acertar. Na prática, a
métrica deste parâmetro vai de 0 a 3, onde 0 sig-
nifica nenhuma discriminação e 3, discriminação
praticamente perfeita. Veja estes dois parâmetros
expressos na Figura 4.
Na figura 4, o parâmetro bi do item corresponde
ao ponto na escala de aptidão q onde a probabilidade
de resposta é 0,5. Quanto maior for o bi, maior deve
ser o nível de aptidão exigido para que o examinando
tenha a chance de 50% de acertar o item. Transfor-
mando a escala da aptidão em escores padrões, com
média = 0 e desvio padrão = 1, os valores de bi tipi-
camente se situam entre -3 (itens fáceis) e +3 (itens
difíceis); assim, conforme figura 4, o item 1 exige
aptidão de mais ou menos –1,6 e o item 2 aptidão de
0,60, sendo este último mais difícil que o item 1.
O parâmetro de discriminação do item (isto é, o
ai) é representado pela inclinação da curva no ponto
de inflexão, onde a probabilidade de resposta corre-
ta é 0,5. Na ilustração da figura 1-4, o item 2 é mais
difícil (parâmetro b2) que o item 1 (bi), mas menos
discriminativo, pois a inclinação da curva dele é me-
nor que a do item 1 (parâmetro a2 é menos íngreme
que a1, isto é, seu ângulo de incidência no ponto de
inflexão é mais agudo que do item 1). Veja na Figura
5 por que o ângulo de inclinação da curva caracte-
rística expressa a discriminação do item.
De fato, para distinguir um sujeito que tem a
chance de 70% de acertar o item com relação a um
Avaliação Psicológica, 2(2), 2003, pp. 99-110
108 Luiz Pasquali & Ricardo Primi

Figura 5 – Parâmetros de discriminação de três itens

que tem a chance de 50%, o item 1 precisa apenas
de uma diferença de 0,40 desvios padrões de teta,
enquanto o item 3 já precisa uma diferença de 2 des-
vios padrões de teta. Isto é, um sujeito, para aumen-
tar suas chances de 50% para 70% de acertar o
item, basta aumentar a sua aptidão (o teta) em 0,4
no caso do item 1 e em 2,0 no caso do item 3. Assim,
o item 1 diferencia tamanhos de teta bem mais pró-
ximos do que o item 3 ou o item 2, isto é, reage a
pequenas diferenças de teta e, conseqüentemente,
ele é mais discriminativo de diferenças de níveis do
teta do que estes dois últimos. Note também que to-
dos os três itens têm a mesma dificuldade, ou seja, b
= 0, mas seus índices de discriminação são muito
diferentes. Assim, se um item apresenta uma discri-
minação perfeita, então o ângulo de incidência da
curva seria de 90 graus, ou seja, uma perpendicular.
Neste caso, o item é capaz de discriminar diferen-
ças infinitesimamente mínimas de níveis de teta. Veja
isto na Figura 6.
Neste caso da Figura 6, os sujeitos à esquerda
da perpendicular teriam chance 0 de acertar o item,
enquanto os da direita teriam probabilidade 1 de acer-
tar. Observe-se que em inglês estes dois parâmetros
dos itens vêm indicados com diferentes nomes, como
segue:
• Dificuldade: b, location, threshold, position;
• Discriminação: a, slope, inclination, dispersion.

Figura 6 – Item com discriminação perfeita em Ø = 0

Avaliação Psicológica, 2(2), 2003, pp. 99-110


Referências
Baker, F.B. (2001). The basics of item response theory.
Washington, DC: ERIC.
Binet, A. & Simon, Th. (1908). Le développement de
l’intelligence chez les enfants. Année Psycho-
logique, 14, 1-94.
Birnbaum, (1957). Efficient design and use of test of a
mental ability for various decision-making problems.
(Series Report No. 58-16). Washington, DC: USAF
School of Aviation Medicine.
Birnbaum, A. (1968). Some latent trait models and their
use in inferring and examinee’s ability. In F.M. Lord
& M.R. Novick, Statistical theories of mental test
scores. Reading, MA: Addison -Wesley, ch. 17-20.
Bock, R.D. & Aitkin, M. (1981). Marginal maximum
likelihood estimation of item parameters: Application
of an EM algorithm. Psychometrika, 46, 443-459.
Campbell, D.T. & Stanley, J. (1973). Experimental and
quasi-experimental designs for research. Skokie,
IL: Rand McNally.
Embretson, S. E. & Reise, S. P. (2000). Item response theory
for psychologists. New Jersey: Lawrence Erlbaum.
Guilford, J.P. (1936, 1954). Psychometric methods. New
York: McGraw-Hill.
Gulliksen, H. (1950). Theory of mental tests. New York:
Wiley.
Hambleton, R.K. & Swaminathan, H. (1985). Item Response
Theory. Principles and applications. Boston, MA:
Kluwer Nijhoff Publishing.
Hambleton, R.K., Swaminathan, H., & Rogers, H.J. (1991).
Fundamentals of item response theory. Newbury
Park, CA: SAGE Publications.
Lawley, D.N. (1943). Richardson, M.W. (1936). On problems
connected with item selection and test construction.
Proceedings of the Royal Society of Edinburgh,
Series A, 61, 273-287.
Lawley, D.N. (1944). The factorial analysis of multiple item
tests. Proceedings of the Royal Society of Edin-
burgh, 62-A, 74-82.
Lazarsfeld, P.F. (1950). The logical and mathematical
foundation of latent structure analysis. In S.A.
Stauffer, L. Guttman, E.A. Suchman, P.F. Lazarsfeld,
S.A. Star, & J.A. Clausen (Eds.), Measurement and
prediction. Princeton, NJ: Princeton University
Press, 1950.
Lazersfeld, P.F. (1959). Latent structure analysis. In S.Koch,
Psychology: A study of science. New York: McGraw-
Hill, 476-543.
A Teoria da Resposta ao Item 109
Lord, F.M. (1980). Applications of item response theory
to practical testing problems. Hillsdale, NJ:
Lawrence Erlbaum.
Lord, F.M. & Novick, M.R. (1968). Statistical theories of
mental test scores. Reading, MA: Addison-Wesley.
Lord, F.M. (1952). A theory of test scores (Psychometric
Monograph No. 7). Iowa City, IA: Psychometric
Society.
Lord, F.M. (1952). The relation of the reliability of multiple-
choice tests to the distribution or item difficulties.
Psychometrika, 17, 181-194.
Lord, F.M. (1953). The relation of test score to the trait
underlying the test. Educational and Psychological
Measurement, 13, 517-549.
Mislevy, R.J. & Bock, R.D. (1984). BILOG: Maximum
likelihood item analysis and test scoring logistic
models. Mooresville, IN: Scientific Software.
Mulaik, S.A. (1972). The Foundations of factor analysis.
New York: McGraw-Hill.
Pasquali, L. (1996). Teoria da resposta ao item - IRT: uma
introdução. In L. Pasquali (Org.), Teoria e métodos
de medida em ciências do comportamento. Brasília:
INEP, 173-195.
Rasch, G. (1960, 1980). Probabilistic models for some
intelligence and attainment tests. Chicago, IL:
MESA Press.
Reckcase, M.D. (1985). The difficulty of test items that
measure more than one ability. Applied Psy-
chological Measurement, 9(4), 401-412.
Richardson, M.W. (1936). Notes on the rationale of item
analysis. Psychometrika, 1, 69-76.
Richardson, M.W. (1936). The relation between the
difficulty and the differential validity of a test.
Psychometrika, 1, 33-49.
Samejima, F. (1972). A general model for tree-response
data (Psychometric Monograph, No. 18). Psy-
chometric Society.
Samejima, F. (1974). Normal ogive model on the continuous
response level in the multi-dimensional latent space.
Psychometrika, 39, 111-121.
Samejima, R. (1969). Estimation of latent ability using a
response pattern of graded scores (Psychometric
Monograph No. 17). Psychometric Society.
Samejima, R. (1973). Homogeneous case of the continuous
response model. Psychometrika, 38, 202-219.
Thurstone, L.L. (1959). The measurement of values. Chi-
cago, IL: Chicago University Press.
Avaliação Psicológica, 2(2), 2003, pp. 99-110
110 Luiz Pasquali & Ricardo Primi
Thurstone, L.L (1928). Attitudes can be measured.
American Journal of Sociology, 33, 529-554.
Tucker, L.R. (1946). Maximum validity of a test with
equivalent items. Psychometrika, 11, 1-13.
Weiss, D.J. (1983). Introduction. In David J. Weiss (Ed.),
New horizons in testing: Latent trait test theory
and computerized adaptive testing. New York:
Academic Press, 1-8.
Avaliação Psicológica, 2(2), 2003
Weiss, D.J. (Ed. - 1983), New horizons in testing: Latent
trait test theory and computerized adaptive testing.
New York: Academic Press.
Wingersky, M.S., Barton, M.A., & Lord, F.M. (1982).
LOGIST user’s guide. Princeton, NJ: Educational
Testing Service.
Recebido em 17/12/2002
Aceito em 03/04/2003